FX168财经网_全球视野外汇黄金加密货币NFT资讯网

Scroll 生态大盘点：寻找 zkEVM 头部玩家掘金机会

金色财经2023-08-25

网易有道涨5.78% 第二季度净收入同比增长26.2%

站浏览量超过200万次。二季度以来，编程和围棋课的续报均有不错的表现，进阶班的续报率均接近70%。二季度有道的智能硬件净收入2.2亿元，毛利率也从去年同期的30.6%提升至35.8%，这一增长主要归因于有道词典笔X5的受欢迎程度。搭载“子曰”大模型，具备句子润色、语法纠错、写作建议、重点提炼等功能的AIBox在有道翻译中正式上线后，带动词典类订阅会员数同比增长近100%，词典类会员收入同比增长200%以上。有道在线营销服务业务也在营收和毛利方面实现了同比双升。净收入同比增长98.7%，并已连续三个季度实现同比增长超过50%；毛利率31.9%，同比提升4.2个百分点。同时财报显示，有道二季度的总运营费用为8.6亿元，其中研发费用为2.1亿元，均低于去年同期。

金融界2023-08-25

AllianceDAO：AI与Web3的互利共赢

3的具体场景 1. 区块链游戏为不会编程的游戏玩家生成bot 像 Dark Forest 这种基于区块链的游戏创造了一种独特的玩法，玩家可以通过开发和部署执行游戏任务的"机器人"来获得优势。然而，这种新的玩法可能会使那些不懂编程的玩家感到被排除在外。不过，人工智能语言模型（LLM）的出现可能会改变这一状况。通过理解区块链游戏的规则，然后利用这些规则创建能够反映玩家策略的"机器人"，而无需玩家自己编写代码。例如，项目如 Primodium 和 AI Arena 正在尝试让人类玩家和 AI 玩家一同参与游戏，而无需编写复杂的代码。用 bot战斗或下注另一种链上游戏的可能性是完全自动化的人工智能玩家。在这种情况下，玩家本身就是一个人工智能代理，比如 AutoGPT，它使用人工智能语言模型（LLM）作为后端，并且可以访问互联网和可能的初始加密货币资金等外部资源。这些人工智能玩家可以参与类似机器人大战的竞猜游戏。这将为投机和押注这些竞猜结果的玩家提供一个市场。这样的市场可能会催生出全新的游戏体验，既具有策略性又能够吸引更广泛的玩家群体，无论他们是否精通编程。为链上游戏创建逼真的NPC环境如今，许多游戏往往在 NPC 方面表现较为单一，它们的行动有限，对游戏进程的影响相对较小。然而，在人工智能和 Web3 的相互作用下，我们有可能创造出更引人入胜的 NPC 环境，从而颠覆游戏的可预测性，使其变得更加有趣。其中一个关键的前提是引入更具吸引力的人工智能控制的 NPC。然而，在创造逼真的 NPC 环境时，我们面临着一个潜在挑战：如何引入富有意义的NPC动态，同时又能够将与这些活动相关的吞吐量（每秒事务处理量，TPS）最小化。过高的NPC活动所需的TPS可能会导致网络拥塞，影响到实际玩家的游戏体验。通过这些新的玩法和可能性，区块链游戏正在朝着更加多样化和包容性的方向发展，使更多类型的玩家都能够参与进来，共同体验游戏的乐趣。 2. 去中心化社交媒体在当今，去中心化社交（DeSo）平台面临一个挑战，即相较于现有中心化平台，它们难以提供独特的用户体验。然而，通过与AI 的无缝集成，我们可以为 Web 2 的替代方案带来独特的体验。举个例子，由 AI 管理的账户可以通过分享相关内容、评论帖子以及参与讨论来吸引新用户加入网络。此外， AI 账户还能够实现新闻聚合，汇总与用户兴趣相符的最新趋势。这种整合 AI 的方法将为去中心化社交媒体平台带来更多创新，吸引更多用户的加入。 3. 去中心化协议的安全性和经济设计测试以基于 LLM 的AI 助理为基础，我们有机会对去中心化网络的安全性和经济稳健性进行实际测试。这种代理能够定义目标、创建代码并执行这些代码，从而为评估去中心化协议的安全性和经济设计提供了新的视角。在这一过程中，AI 助理被引导去利用协议的安全性和经济平衡。它首先可以检查协议文档和智能合约，找出潜在弱点。然后，它可以独立竞争执行攻击协议的机制，以最大化自身的收益。这一方法模拟了协议启动后可能遇到的实际环境。通过这些测试结果，协议设计者可以检查协议的设计并修补潜在的弱点。目前，只有像 Gauntlet 等专业公司具备为去中心化协议提供此类服务的技术技能。但是，通过对 LLM 进行 Solidity、 DeFi 机制以及以往利用机制等方面的培训，我们期待 AI 助理能够提供类似的功能。 4. 用于数据索引和指标提取的 LLM 虽然区块链数据是公共的，但索引和提取有用见解始终是一个挑战。某些参与者（如 CoinMetrics）专门从事索引数据和构建复杂指标以进行销售，而其他参与者（如 Dune）则专注于对原始交易的主要组成部分进行索引，并通过社区贡献来提取部分指标。近期 LLM 的进展显示出，数据索引和指标提取可能会迎来革命。区块链数据公司 Dune 已经认识到了这一潜在威胁，并宣布 LLM 路线图包括 SQL 查询解释和基于 NLP 查询的潜在组件。然而，我们预测 LLM 的影响将更深远。一种可能性是基于 LLM 的索引，其中 LLM 模型能够直接与区块链节点交互，为特定指标的数据建立索引。初创公司 Dune Ninja 等已经开始探索基于 LLM 的创新数据索引应用程序。 5. 开发者加入新的生态系统不同的区块链网络吸引开发者来构建应用程序。Web3 开发者活动是评估生态系统成功的重要指标之一。然而，开发人员在开始学习和构建新生态系统时，常常会遇到支持方面的困难。生态系统已经通过专门的 Dev Rel 团队投入数百万美元，以支持开发人员在探索生态系统中更好地发展。在这个领域，新兴的 LLM 展示了惊人的成就，它可以解释复杂代码、捕获错误，甚至创建文档。经过微调的 LLM 可以补充人类的经验，从而显著提高开发团队的生产力。例如，LLM 可以用于创建文档、教程，回答常见问题，甚至可以为黑客马拉松中的开发人员提供样板代码或创建单元测试。这些都将有助于促进开发人员的积极参与，推动整个生态系统的成长。 6.改进 DeFi 协议通过将 AI 融入 DeFi 协议的逻辑中，可以显著提升众多 DeFi 协议的性能。目前，将 AI 应用于 DeFi 领域的主要难题之一是在链上实施 AI 的成本较高。尽管可以在链下实现 AI 模型，但之前无法验证模型的执行情况。然而，通过诸如 Modulus 和 ChainML 等项目，链下执行的验证正逐渐变为现实。这些项目允许在链外执行机器学习模型，同时限制链上的成本开销。在 Modulus的情况下，链上的费用仅用于验证模型的零知识证明（ZKP）。而在 ChainML 的案例中，链上的成本是用于向去中心化 AI 执行网络支付预言机费用。以下是一些可能从 AI 集成中受益的DeFi使用案例： AMM 流动性配置：例如，更新 Uniswap V3 的流动性范围。通过整合人工智能，协议可以更加智能地调整流动性范围，从而提高 AMM（自动做市商）的效率和收益。清算保护与债务头寸：结合链上和链下数据，可以实现更有效的清算保护策略，保护债务头寸不受市场波动影响。复杂的 DeFi 结构化产品：设计金库机制时，可以依赖金融人工智能模型而不是固定策略。这样的策略可能包括由人工智能管理的交易、贷款或期权，从而提高产品的智能性和灵活性。先进的链上信用评分机制：考虑不同区块链上不同钱包的情况，整合人工智能可以帮助构建更精确和全面的信用评分系统，从而更好地评估风险和机会。通过利用这些 AI 集成的案例，DeFi 领域可以更好地适应不断变化的市场需求，提高效率，降低风险，并为用户创造更多价值。同时，随着链下验证技术的不断发展，AI 在 DeFi 中的应用前景也将进一步拓展。 Web3 技术能够帮助提升 AI 模型的能力虽然现有 AI 模型已经展现出巨大的潜力，但在数据隐私、特有模型执行的公平性以及虚假内容的创建和传播方面仍然面临挑战。在这些领域，Web3技术的独特优势可能发挥重要作用。 1. 为 ML 训练创建专有数据集 Web3 可以协助 AI 的领域之一是协作创建用于机器学习 (ML) 训练的专有数据集，即用于数据集创建的 PoPW 网络。海量数据集对于准确的 ML 模型至关重要，但如何获取这些数据，如何创建这些数据集可能会成为瓶颈，特别是在需要私有数据的用例中，比如使用 ML 进行医学诊断，围绕患者数据的隐私问题构成了重大障碍，因为训练这些模型需要访问医疗记录。然而，出于隐私考虑，患者可能不愿分享他们的医疗记录。为了解决这个问题，患者可以对他们的医疗记录进行可验证的匿名化处理，以保护他们的隐私，同时仍然可以在机器学习训练中使用这些记录。然而，匿名处理后的数据的真实性可能令人担忧，因为虚假数据可能会极大地影响模型性能。这时，零知识证明（ZKP）可以用来验证匿名处理后的数据的真实性。患者可以生成ZKP，以证明匿名记录确实是原始记录的副本，即使在删除个人身份信息（PII）后也是如此。这种方法既保护了隐私，又确保了数据的可信度。 2. 对私有数据运行推理当前，大型语言模型（LLM）存在一个重要问题，即如何处理私有数据。举例来说，当用户与ChatGPT进行交互时，OpenAI会收集用户的私有数据，并将其用于模型的训练，从而引发敏感信息的泄露。近期的案例中，有员工在使用ChatGPT辅助办公时不小心泄露了涉密数据，这使得这个问题更加突出。零知识（ZK）技术有望解决机器学习模型在处理私人数据时出现的问题。在这里，我们将探讨两种场景：开源模型和专有模型。对于开源模型，用户可以下载模型并在本地私有数据上运行。举例来说，Worldcoin的“World ID”升级计划（“ZKML”）需要处理用户的生物特征数据，如虹膜扫描，以创建每个用户的独特标识符（IrisCode）。在这种情况下，用户可以在保护其生物特征数据隐私的情况下下载IrisCode生成的机器学习模型，并在本地运行。通过创建零知识证明（ZKP），用户可以证明他们已经成功生成了 IrisCode ，从而保证了推理的真实性，同时保护了数据隐私。重要的是，高效的ZK证明机制（如Modulus Labs开发的机制）在训练机器学习模型时具有关键作用。另一种情况是，当用于推理的机器学习模型是专有的时，情况会稍微复杂。因为在本地进行推理可能不是一个选项。然而，零知识证明可以通过两种可能的方式来帮助解决问题。第一种方法是在将匿名化数据发送到机器学习模型之前，使用 ZKP 对用户数据进行匿名化处理，正如前面在数据集创建案例中所讨论的。另一种方法是在将预处理输出发送到机器学习模型之前，对私有数据进行本地预处理。在这种情况下，预处理步骤隐藏了用户的私有数据，使其无法重构。用户可以生成 ZKP 来证明预处理步骤的正确执行，而模型的其他专有部分可以在模型所有者的服务器上远程执行。这些示例用例可能包括能够分析患者医疗记录以进行潜在诊断的 AI 医生，以及评估客户私人财务信息以进行金融风险评估的算法。通过 ZK 技术，Web3可以提供更高的数据隐私保护，使得 AI 在处理私有数据时更加安全可靠，同时也为隐私敏感领域的 AI 应用提供了新的可能性。 3. 保证内容真实性，打击深度伪造内容这类骗局 ChatGPT 的出现可能使人们忽略了一些专注于生成图片、音频和视频的生成式人工智能模型。然而，这些模型目前已经能够生成逼真的深度伪造内容。例如，最近流行的 AI 生成的写真照片，以及模仿 Drake 新歌的 AI 生成版本，这些内容已经在社交媒体上广泛传播。由于人们天生倾向于相信所见所听，这些深度伪造内容可能构成潜在的骗局危险。虽然一些初创公司试图使用 Web2 技术来解决这个问题，但数字签名等 Web3 技术可能更有效地解决这个问题。在 Web3 中，用户之间的交易由用户的私钥签名以证明其有效性。类似地，文本、图片、音频和视频内容也可以通过创作者的私钥进行数字签名，以证明其真实性。任何人都可以通过与创作者的公开地址进行签名验证，这个公开地址可以在创作者的网站或社交媒体账户上找到。Web3网络已经建立了所有必要的基础设施来满足这种内容验证的需求。一些投资者已经将他们的社交媒体配置文件，如 Twitter，或去中心化社交媒体平台，如 Lens Protocol 和Mirror，与加密的公开地址相关联，以增加内容验证的可信度。例如，美国头部投资机构 USV 的合伙人 Fred Wilson 讨论了将内容与公共加密密钥相关联如何在打击虚假信息方面起到作用。尽管这个概念看起来很简单，但要改善身份验证过程的用户体验还需要很多工作。例如，内容的数字签名过程需要自动化，以便为创作者提供无缝、流畅的体验。另一个挑战是如何在不需要重新签名的情况下生成已签名数据的子集，例如音频或视频片段。目前，许多项目都在努力解决这些问题，并且 Web3 在解决这些问题方面具有独特的优势。通过数字签名等技术， Web3 有望在保护内容真实性和打击深度伪造内容等方面发挥关键作用，从而提高用户的信任和网络环境的可信度。 4. 专有模型的信任最小化 Web3 技术还可以在专有机器学习（ML）模型作为服务提供时，实现最大程度地减少对服务提供商的信任。用户可能希望验证他们所付费购买的服务，或获得关于ML模型公平执行的保证，即相同的模型用于所有用户。零知识证明（ZKP）可以用于提供这些保证。在这个架构中， ML 模型的创建者生成一个代表 ML 模型的 ZK 电路。然后，在需要的时候，使用该电路为用户的推理生成零知识证明。这些证明可以发送给用户进行验证，也可以发布到负责处理用户验证任务的公共链上。如果 ML 模型是私有的，独立的第三方可以验证所使用的 ZK 电路是否代表该模型。在模型的执行结果具有高风险的情况下，这种信任最小化的方法尤其有用。以下是一些具体的用例：医疗诊断的机器学习应用在这种情况下，患者将自己的医疗数据提交给 ML 模型进行潜在的诊断。患者需要确保目标机器学习模型没有滥用他们的数据。推理过程可以生成一个零知识证明，用于证明 ML 模型的正确执行。贷款信用评估 ZKP可以确保银行和金融机构在评估信用价值时考虑了申请人提交的所有财务信息。此外，通过证明所有用户使用相同的模型，ZKP可以证明公平性。保险理赔处理当前的保险理赔处理是手动和主观的。然而，ML 模型可以更公平地评估保险单和索赔细节。与 ZKP 相结合，这些索赔处理 ML 模型可以被证明考虑了所有保单和索赔细节，并且同一模型用于处理同一保单下的所有索赔。通过利用零知识证明等技术，Web3 有望为专有 ML 模型的信任问题提供创新的解决方案。这不仅有助于提高用户对模型执行的信任，还能够促进更加公平和透明的交易过程。 5. 解决模型创建的集中化问题创建和训练 LLM（大型语言模型）是一个耗时且昂贵的过程，需要特定领域的专业知识、专用的计算基础设施以及数百万美元的计算成本。这些特征可能会导致强大的集中实体，例如 OpenAI ，它们可以通过控制对其模型的访问来对其用户行使重大权力。考虑到这些集中化风险，关于 Web3 如何促进。创建不同方面的去中心化的重要讨论正在进行中。一些 Web3 倡导者提出了将去中心化计算作为与集中式参与者竞争的一种方法。这个观点认为，去中心化计算可以是一种更便宜的替代方案。然而，我们的观点是，这可能不是与集中式参与者竞争的最佳角度。去中心化计算的缺点在于，由于不同异构计算设备之间的通信开销， ML 训练可能会慢10到100倍。一种方法是通过去中心化计算来分散模型创建的成本和资源。虽然有人认为去中心化计算可能成为替代集中式实体的更便宜方案，但通信开销问题可能会限制其效率。这意味着在涉及大规模计算任务时，去中心化计算可能导致训练速度减缓。因此，在寻求解决模型创建集中化问题时，需要仔细权衡去中心化计算的利弊。另一种方法是采用 Proof of Private Work（PoPW）的方式来创建独特而具有竞争力的 ML 模型。这个方法的优势在于它可以通过将数据集和计算任务分散到网络的不同节点来实现去中心化。这些节点可以为模型训练做出贡献，同时维护各自的数据隐私。Together 和 Bittensor 等项目正在朝这个方向发展，试图通过 PoPW 网络来实现模型创建的去中心化。人工智能代理的支付和执行轨道人工智能代理的支付和执行轨道在最近的几周中引起了极大的关注。使用LLM（大型语言模型）来执行特定任务并实现目标的趋势不断上升，这一潮流起源于BabyAGI的概念，并迅速扩散至高级版本，包括AutoGPT等。这引发了一个重要的预测，即在未来，人工智能代理将在某些任务中表现出色并变得更加专业。如果出现了专门的市场，人工智能代理就有能力搜索、雇用和支付其他人工智能代理的费用，从而协同完成重要项目。在这一进程中，Web3 网络为人工智能代理提供了理想的环境。特别是在支付方面，人工智能代理可以配置加密货币钱包，用于接收付款并向其他代理付款，实现任务分工和合作。除此之外，人工智能代理还可以无需许可地委托资源，将其插入加密网络。例如，如果一个人工智能代理需要存储数据，他们可以创建一个Filecoin钱包，支付去中心化存储网络IPFS上的存储费用。另外，人工智能代理还可以委托去中心化计算网络（如Akash）的计算资源，以执行特定任务，甚至扩展其执行范围。防止AI侵犯隐私然而，在这一发展过程中，隐私和数据保护问题变得尤为重要。鉴于训练高性能机器学习模型需要大量数据，因此可以安全地假设任何公共数据都会进入机器学习模型，这些模型可以使用这些数据来预测个人的行为。特别是在金融领域，建立机器学习模型可能导致用户财务隐私受到侵犯。为了解决这个问题，一些隐私保护技术如 zCash、Aztec支付，以及Penumbra和Aleo等私人DeFi协议可以用来确保用户的隐私得到保护。这些技术可以在保护用户数据的同时进行交易和数据分析，从而实现金融交易和机器学习模型开发的平衡。结论我们相信 Web3 和 AI 在文化和技术上是相互兼容的。与 Web2 中对机器人的抵触情绪不同，Web3 凭借其无需许可的可编程性质，为人工智能的蓬勃发展创造了机会。从更宏观的角度来看，如果将区块链视为一个网络，那么人工智能有望在这个网络的边缘发挥主导作用。这一观点适用于各种消费应用程序，从社交媒体到游戏。迄今为止，Web3 网络的边缘主要由人类组成。人类会发起并签署交易，或者通过预先设定的策略让机器人代表他们采取行动。随着时间的推移，我们可以预见网络边缘会出现越来越多的人工智能助理。这些 AI 助理将通过智能合约与人类以及彼此互动。我们相信这些互动将带来全新的消费者和用户体验，可能会引发创新的应用场景。 Web3 的无需许可特性赋予了人工智能更大的自由度，可以更紧密地与区块链和分布式网络集成。这有望促进创新、扩展应用领域，并为用户创造更富有个性化和智能化的体验。同时，需要密切关注隐私、安全和伦理问题，以确保人工智能的发展不会给用户带来负面影响，而是真正实现技术与文化的和谐共存。来源：金色财经

金色财经2023-08-24

金色观察 | 细数模块化L2 Mantle最新生态潜力项目

分钟内启动 web3 应用程序，无需编程。 Unmarshal 官网：https://unmarshal.io/ Unmarshal 是一个开创性的多链 Web 3.0 数据网络，改变了区块链数据的可访问性。 GameFi Roboworld 官网：roboworld.io Roboworld 是一款免费卡牌游戏，玩家可以收集独特的机器人并将其作为 NFT 进行交易，并用它们与对手作战。玩家必须战略性地选择和使用以机器人为特色的卡牌来智胜对手并取得胜利。 Age of Zalmoxis 官网：https://www.ageofzalmoxis.com/ Age of Zalmoxis 是一款古老奇幻 MMORPG，融合了虚幻引擎 5 和区块链技术。同时也是一款第三人称大型多人动作角色扮演游戏，融合了 NFT 和区块链，以古老奇幻版本的达契亚王国为背景。 Bionic Owls 官网：https://bionicowls.io/ Bionic Owls 是一款支持 NFT、发挥影响力、玩赚钱的游戏。Bionic Owls 将成为第一款完全可玩的影响、PvP 和 P2E Metaverse 游戏。 NFT Rarible 官网：https://rarible.com/ 集NFT铸造、交易、收藏等功能于一体的市场平台。近期Rarible宣布将永久支持版税，不再聚合来自OpenSea、LooksRare和X2Y2的订单。 Souffl3 官网：souffl3.com Souffl3是跨链NFT资产上线、上币和交易的一站式市场。 FANSI Metaboom 官网：metaboom.fansi.me FANSI正在引领音乐行业进入web3。我们的使命是为音乐家和音乐爱好者创造一个支持性的环境。 NFT2Me 官网：https://nfts2me.com/ NFTs2Me 是一个用户友好的平台，用于创建、部署和管理用户的 NFT 集合，0费用。结语与其他几个头部L2网络相比，尽管在生态项目数量上Mantle并不显得弱势，但其发展时间较短、融资及团队背景均不占优。尤其是Mantle尚处于主网 Alpha 阶段，依然有硬性问题待解决。目前，Mantle 正在开发防欺诈功能过程中，未来何时完工尚且不知。此外，通过Mantle DA(由Eigen DA技术提供支持)的数据可用性目前是一个许可的节点网络，所有节点都由核心团队选择和批准，所以一旦EigenDA主网发布还会进行节点网络迁移。不过，作为首个利用EigenDA的模块化 L2，并且测试网时间超过六个月，构建超 80 个项目，超过1400万笔链上交易。并且自主网 Alpha 启动以来，不断有项目加入，丰富其生态。由此可见，Mantle身上并不乏黑马的颜色。来源：金色财经

金色财经2023-08-24

OpenAI要做游戏吗？首度收购Global Illumination 入局AIGC热潮

司的工程师兼首席技术官，已有20多年的编程经验，履历遍布Facebook AI、Instagram、YouTube、谷歌、微软。2012年，他作为YouTube机器学习工程师，主要负责视频推荐，领导了核心基础排名设施重构。 Joey Flynn是公司的设计师兼首席产品官，被外界誉为Facebook的顶级设计师之一。2010年，他加入了Facebook，领导了包括Chat Heads，以及Facebook的移动软件Home在内的一些重要项目。除此之外，值得关注的是，团队中有一名华人工程师Brandon Wang，曾在Riot Games、Pixar致力于游戏动画的研究，擅长做渲染设计。 02.开源网页版沙盒游戏在Global Illumination公司被收购之前，他们正专注于开发一款名为Biomes的创新网页游戏。 Biomes是一个基于Web构建的开源沙盒大型多人在线角色扮演游戏（MMORPG）。它被称为开源版“我的世界”。玩家可以直接在浏览器中进行游戏，无需下载或安装额外的软件。 Biomes游戏世界由多个不同的生物群系组成，包括森林、沙漠、山地和冰原等。玩家可以探索这些生物群系，收集资源、建造建筑，并与其他玩家进行互动、合作，甚至与敌对的生物进行战斗。与传统沙盒游戏不同的是，Biomes使用人工智能技术来动态生成游戏世界。也就是说，地形、植被、动物群落和天气等元素都可以根据玩家的行为和喜好进行调整。例如，如果玩家喜欢探索森林，游戏的人工智能会通过分析玩家偏好，在森林中增加更多的树木、花草和野生动物，以提供给玩家更多的发现和惊喜。如果玩家喜欢在沙漠冒险，游戏人工智能可能会增加沙漠的干旱和危险程度，给玩家带来更多挑战和刺激。这种基于人工智能的自适应游戏体验为玩家带来了许多优势。首先，它增加了游戏的多样性和个性化。每个玩家都可以根据自己的喜好和风格来塑造游戏世界，从而创造出与众不同的体验。其次，人工智能技术使游戏更具互动性。玩家的行为和决策直接影响到游戏世界的演变，他们可以与其他玩家合作或竞争，共同塑造游戏的发展轨迹。 03.重大战略转折？收购Global Illumination无疑是一个具有巨大潜力的战略转折。通过与该数字设计公司的合作，OpenAI将能够创造出更广泛的尖端工具。除了提高OpenAI的现有能力外，这项战略收购还为开发以人工智能为动力的解决方案铺平了道路，开发领域将拓宽至商业、设计和娱乐等。游戏世界的无限可能从Global Illumination目前对外展示的游戏项目Biomes来看， OpenAI也许会打造出一款基于ChatGPT的多智能体沙盒游戏，让用户可以在一个虚拟世界中与其他玩家或智能NPC互动。此前，英伟达发布的Voyager把GPT-4融入《我的世界》变身AI高玩，而曾轰动整个AI社区的斯坦福智能体小镇开源后有知名风投公司Andreessen Horowitz进行了二创，AI生成的智能NPC的确是游戏行业的新趋势。沙盒游戏本身的魅力来自于UGC内容所产生的无限可能性与多样性，生成式AI的出现能够降低内容制造的门槛，提高玩家的创造力。智能NPC的火热则更是将游戏设计的主动权交给了用户，让虚拟世界更具有沉浸感与代入感。 AICG领域的竞争 ChatGPT大火后，随之而来的AIGC时代吹响了号角。文生图、图生图、视频生成等赛道挤满了大厂与独角兽的声影， OpenAI虽然把AIGC最具体的实现场景做到了极致，但在垂直领域商业化落地尚欠火候。 Global Illumination团队在数字产品设计方面具有丰富的专业经验，也与业界知名公司有过合作经历，具有一定的影响力，能很好填补OpenAI在AIGC领域创造垂直产品的空缺。 OpenAI的企业愿景是创造造福全人类的AGI通用智能，但旗下其他产品则更多地是面向开发者和企业提供API接口，打造To B平台。在并入Global Illumination后，OpenAI将增强其产品的创造力和多样性，协同开发新一代更强大的DALL-E或是挑战视频生成领域，都将有助于拓展用户群与增强竞争力。 04.OpenAI入局游戏行业？总而言之，OpenAI收购Global Illumination是该科技巨头重要的战略举措之一。除了增强OpenAI当前的能力外，该战略协议还为开发AI驱动的解决方案奠定了道路，这些解决方案有望改变包括商业、设计和娱乐在内的各个板块。目前，AIGC领域呈现出内容类型不断丰富、内容质量不断提升、技术的通用性和工业化水平越来越强等趋势，这使得AIGC在消费互联网行业日趋主流化，涌现出了一大波智能助手、AI绘画、聊天机器人、数字人等爆款级应用。假使OpenAI入局游戏行业，AIGC的舞台将会展现出更加别样的风采，层出不穷的创新想法或许会彻底改变用户与人工智能的互动方式，为我们带来更好的内容生产和消费体验。【声明】：本文为元宇宙之心运营团队原创，未经允许严禁转载，如需转载请联系我们，文章版权和最终解释权归元宇宙之心所有。来源：金色财经

金色财经2023-08-24

加密艺术：区块链与创意的奇妙融合

实现创作者和购买者之间的直接连接。可编程艺术作品智能合约为艺术作品增加了可编程性。艺术家可以在智能合约中定义作品的属性、使用权和销售条件，实现自动化的版权管理和收益分享。这种方式保护了艺术家的权益，同时也为购买者提供了透明的购买和使用权。去中心化市场与全球参与区块链使得加密艺术市场变得去中心化，任何人都可以参与其中，无论地域和身份。这种全球性的参与促进了艺术创作的多样性和创新性。同时，去中心化市场也消除了中间商和中介，让创作者和收藏家能够更直接地互动和交易。拓展艺术创作领域加密艺术不仅限于传统的绘画和雕塑，还涵盖了虚拟现实、增强现实和数字音乐等领域。区块链技术为这些新型创作提供了支持，让艺术家可以在数字领域创造出更多富有创意的作品。价值与现实世界的连接虽然加密艺术在数字领域蓬勃发展，但它的价值也能够延伸至现实世界。一些加密艺术作品通过代币化，可以与现实世界的实物或特权相联系，为数字作品赋予了实际的价值和意义。创新与未来展望加密艺术与区块链的融合不仅为艺术界带来了技术上的创新，也在艺术市场上掀起了一场变革。未来，我们可以期待更多新的加密艺术形式的涌现，以及区块链技术在艺术领域进一步的应用。加密艺术的奇妙融合，将为艺术界带来更广阔的发展空间和创造力的释放。来源：金色财经

金色财经2023-08-24

硬核解析：下一代区块链的“智能”Architecture

M智能合约框架内，这要求intent被编程化后可由智能合约或代理合约，或off-line扩展的方式和链上各类DeFi协议进行丝invoke滑调用。 2）独立运行在一个全新的公链架构内，除了Solver、Excutor之外，还需要有相应的Proposer、Validator等角色以实现链的去中心化运作。 Solver即求解器，是负责将抽象的intent编程化的角色，比方说：用户A在发送交易时有三个intent意图，透明intent+安全intent+隐私intent。简单的交易由layer1直接处理，而复杂的交易会来到layer2 Solver这里。 Solver将两个意图通过一个由ZK Proof提供的零知识证明技术，一个由ciphertext提供的随机加密算法密文。最后，处理好的txs会被发送到Mempool，等待打包上链； Executor即执行人，是负责将Solver发送来的txs最终执行状态改变+完成校验，可以理解为，最终成功实现用户intent的矿工，并负责校验intent执行过程中不会出差错，完成最后的链上记账行为；再通俗理解，Solver相当于以太坊上的Searcher，负责搜集整理交易，Executor则相当于以太坊上的bulider负责最终打包出块。当然，它也有Node节点，Relay中继器，Validator验证者这些角色，和目前已有公链无差，就不过多解释了。 Solver和Executor都可以由Permissionless的组织和机构以Auction的方式参与，以确保系统的透明性和去中心化。其大致Workflow为（如下图）： User 提交intent数据——Gossip Node接收并广播数据: ①简单交易直接走L1——>经layer1的Proposer、Validator、Executor等生成Recepit ②复杂交易会被分配到L2——>Solver负责模块化集成zk、cipheretext等技术编程化数据——>Proposer整理排序将数据打包——>Validator验证数据的有效性——>Executor完成出块记账——>返还给用户Recepit。用户客户端会汇聚Recepit，最终完成Verify。看完是否觉得，这完全是一套全新的区块链架构Architecture？嗯，没错。一个集成已有各类技术，高度模块化的新公链构造。从比特币时代的Scriptable脚本化到以太坊时代的Programmable编程化，再到intent时代的Programable ++。下一代的区块链“智能”架构，理想情况下会充分利用各种前沿技术执行交易（包括AI），用户也可以通过intent层传入更复杂的需求，整个执行过程又被架构高度自动化和模块化。唯有区块链更加易用和“智能”，才能最终实现Mass Adoption。来源：金色财经

金色财经2023-08-24

通过链上数据和交易一文带你读懂MEV

成为 MEV-bot 的收入（例如，以编程方式设置时，在应用 UI 或 amountOutMinimum/sqrtpricelimitx 96 参数内的 swap 设置中设置一个百分比)。清算 MEV 机器人还可以在借贷协议中获利，借贷协议是连接贷款人和借款人的 DEX（例如 MakerDAO、Aave、Compound 等）。借款人提供平台支持的抵押品后可以借入一定价值的资产，当借款人的抵押品无法偿还债务时，就会发生清算，清算人被激励以低价购买抵押品偿还债务。让我们以0×652 开头的交易为例。 0×310 地址开头的 MEV 机器人通过从 Balancer 获得闪电贷获得 212 USDT 借款，然后 MEV-bot 在步骤 3-8 中清偿了借款人所欠的 USDT，0×994 地址开头的 MEV 机器人以折扣价获得了抵押品作为回报，在步骤 8-11 中，MEV 机器人将所有收到的 TUSD swap 为 WETH 和 USDT，并在步骤 12 中还清了初始闪电贷，所有步骤都在一次交易中完成。长尾 MEV 套利、三明治攻击和清算是提取 MEV 的主要方式。此外，MEV 中还有其他一些策略，这些策略是利基的、神秘的和未被发现的，这些均被称为长尾 MEV。来源：金色财经

金色财经2023-08-24

区块链技术是否安全？了解背后的保障与风险

世界中发挥作用。区块链技术本身在一定编程上被认为是相对安全的，但也不是绝对安全的。来源：金色财经

金色财经2023-08-23

zkSync中的原生Account Abstraction介绍

像EOA一样发起交易，但也可以利用其可编程性来实现任意逻辑，如合约账户。这就是我们所谓的帐户抽象（Account Abstraction），它融合了以太坊中两种账户类型的优势，使AA账户的使用体验更加灵活，从而实现了上述两种目标：签名抽象和支付抽象。 zkSync Era中的AA机制在zkSync Era中，zkSync AA的最重要角色是bootloader，它是一个System Contract，主要用于处理交易以及执行AA机制，对应于EIP-4337的EntryPoint Contract。bootloader无法被用户调用（只能由Operator触发），也从未被部署（直接在节点上运行），但它具有一个正式地址（可用于收款）。 Operator是ZK Rollup中的重要角色，是中心化的Off-Chain Server，与可能见过的Sequencer类似，负责从外部触发bootloader等System Contract。原生的帐户抽象协议（例如StarkNet、zkSync）基本上都是参考EIP-4337进行设计，zkSync的实现中，用户会将交易发送给Operator，Operator会将交易发送给bootloader，并开始一系列的处理。从区块的角度来看：当bootloader接收到来自Operator的输入时，bootloader会首先为该区块定义一些环境变量（如燃气价格、区块号、区块时间戳等）。然后，bootloader会顺序读取交易列表，首先查询该帐户合约是否同意该交易（即AA机制中的调用validate function），然后将它们放入区块中。每笔交易验证通过后，Operator会验证该区块是否足够大，以便发送给验证者（或是否超时）。如果足够大或超时，Operator会关闭该区块，停止向bootloader添加新交易，并完成交易执行。从交易的角度来看，当Operator触发bootloader后，bootloader会顺序处理每笔交易：确认用户帐户合约地址对应的nonce是否合法调用用户帐户合约上的validate function进行验证验证通过后，帐户合约会将gas fee汇入bootloader的地址（或通过Paymaster，后文会介绍），bootloader会检查自己是否收到足够的款项。调用用户帐户合约上的execute function执行交易。以上的前三步对应着EIP-4337的验证循环（Verification Loop），第四步则对应着EIP-4337的执行循环（Execution Loop）。这里主要进行了一个概述性的介绍，每一步的细节和角色将在接下来的详细说明中逐一阐述。 zkSync 抽象帐户合约快速概览 Nonce zkSync 的账户 nonce 被记录在一个名为 NonceHolder 的系统合约中，通过映射（mapping）的方式记住每组 (account_address, nonce) 对是否被使用，用以判断 nonce 是否合法。根据前文所述，在 Operator 触发 bootloader 后的第一步是检查 nonce。因此，在每笔交易开始之前，NonceHolder 将用于确认当前使用的这组 nonce 是否合法（目前仅检查是否已使用）。如果 nonce 合法，将进入验证阶段（Verification Phase），此时 nonce 将被标记为已使用；如果不合法，则交易（验证）将失败。关于 zkSync 当前 nonce 的重点：尽管当前用户可以同时向账户发送具有不同 nonce 的多笔交易进行执行，但由于 zkSync 不支持并行处理，因此不同 nonce 的交易仍将按顺序进行处理。理论上，用户可以使用任何 256 位的非零整数作为 nonce，但 zkSync 仍建议使用 incrementNonceIfEquals 作为管理 nonce 的方式，以确保它是按顺序递增的（目前 zkSync 的 AA 机制仅确认未使用过的 nonce，但官方文件表示未来可能会要求顺序递增）。账户合约在 zkSync 中的账户合约有以下四个必要的入口点（Entry Point），分别是： validateTransaction：在验证阶段被调用，以确认此次操作是否经过账户所有者的授权，用户可以在这里定制自己的验证逻辑（例如各种签名算法、多签等）。 payForTransaction：当交易手续费由该账户支付（而不是使用 paymaster）时，操作员将调用此函数向 bootloader 地址支付至少 tx.gasprice * tx.gaslimit 的 ETH。 prepareForPaymaster：当交易手续费将由 Paymaster 支付时，操作员将调用此函数以完成与 paymaster 的交互前准备工作。zkSync 提供的示例是批准 Paymaster 的 ERC-20 代币。 executeTransaction：在验证阶段成功通过且成功收取手续费后，此函数将用于执行用户希望实现的操作（例如与合约互动、汇款等行为）。关于 Paymaster、手续费数量（tx.gasprice * tx.gaslimit）等内容将在后续章节中解释。在zkSync的账户中还有一个非必需的保险函数 executeTransactionFromOutside。当无法执行操作时（例如序列生成器没有响应或发现zkSync存在监管风险时），可以使用“逃跑机制”将资金提取到L1。这部分与AA协议没有太大的关系，因此不会在此详细描述，有兴趣的人可以查看官方文件和zkSync的规范。验证函数的要点和限制在validateTransaction函数中，可以实现各种定制逻辑，例如如果账户已经实现了EIP-1271标准，可以直接将EIP-1271中的验证逻辑套用在validateTransaction中，或者参考zkSync官方文档中的多签名账户合约实现。同时，在EIP-4337的Verification Phase中为了避免DoS威胁，有一些限制（不能涉及外部的操作码以及有限的深度等），在zkSync中也有类似的限制，例如： 1.合约逻辑只能触及自己的槽位（如果账户合约的地址为A）： - 属于地址A的槽位 - 任何其他地址的槽位A - 任何其他地址的槽位keccak256(A||X)，即可以直接使用地址作为映射的键（例如映射(address=>value)），也等同于允许访问槽位keccak256(A||X)，以实现扩展。例如ERC-20上的代币余额。 2.合约逻辑不得使用全局变量，例如block.number 执行函数的要点和限制在executeTransaction函数中需要注意的是，如果要执行系统调用（System Call），需要确保具有isSystem标志。因为这些系统合约对账户系统的影响非常大，例如增加nonce的唯一方式是与NonceHolder互动，要部署合约必须与ContractDeployer互动，使用isSystem标志可以确保账户开发者有意识地与系统合约互动。然而，建议在实现时可以使用zkSync提供的SystemContractsCaller库，以避免自己处理isSystem标志，并使用其中的systemCallWithPropagatedRevert完成系统调用。上述代码示例中涉及与`DEPLOYER_SYSTEM_CONTRACT`进行交互。帐户开发者最常遇到的系统合约情况是我们要使用帐户来部署一个合约，此时必须与`ContractDeployer`这个系统合约进行交互。在这种情况下，帐户开发者需要与`ContractDeployer`合约进行通信，以确保成功部署合约并执行所需的操作。 zkSync时代的费用模型和Paymaster 费用和 Gas 限额 zkSync的费用模型与以太坊非常相似，费用代币仍然是ETH。然而，除了基本的计算和写入槽位成本外，与其他Layer2解决方案（如Arbitrum、Optimism）一样，zkSync还需要考虑发布到L1的额外成本（安全费用）。由于发布数据到L1上的燃气价格非常不稳定，因此在每个区块开启（开始记录交易）时，zkSync的Operator会定义以下动态参数： - gasPrice：以gwei为单位的燃气价格，即前文提到的交易对象中的tx.gasprice - gasPerPubdata：在以太坊上发布一个字节的数据所需的燃气数量此外，与EIP-4337不同，zkSync不需要定义三种燃气限制：verificationGas、executionGas和preVerificationGas，而只需要一个gasLimit来包含以上所有费用成本，因此用户需要确保gasLimit足够涵盖Verification阶段、Execution阶段以及上传数据到L1的安全费用等所有费用成本。这个费用成本包含在前文提到的交易对象中的tx.gaslimit。将这两者相乘（tx.gasprice * tx.gaslimit）就可以得到这笔交易支付给bootloader的手续费数量。 Paymaster Paymaster主要在用户交易支付手续费阶段，代替用户的帐户合约向bootloader支付ETH。用户可以选择不同的Paymaster和支付模式来支付手续费，例如（但不限于）： - 在交易发起前或交易执行后向Paymaster支付ERC-20代币 - 使用信用卡向Paymaster合约充值 - Paymaster将持续为用户免费支付部分或全部手续费用户与Paymaster互动的方式取决于不同的协议，可以是中心化也可以是去中心化；可以在交易前，也可以在交易后；可以使用ERC-20代币也可以使用法定货币，甚至可以是免费的。 zkSync的Paymaster合约主要由两个函数组成，分别是validateAndPayForPaymasterTransaction（必需）和postTransaction（可选），两者都只能被bootloader调用： - validateAndPayForPaymasterTransaction是整个Paymaster合约中唯一必须实现的函数。当操作员收到的交易附带Paymaster参数时，表示手续费不由用户的帐户合约支付，而是由Paymaster支付。此时，操作员将调用validateAndPayForPaymasterTransaction来判断该Paymaster是否愿意支付这笔交易的手续费。如果Paymaster同意，该函数将向bootloader发送至少tx.gasprice * tx.gaslimit的ETH。 - postTransaction是一个可选函数，通常用于退款（将未使用完的燃气退还给发件人）。然而，当前的zkSync尚不支持此操作。 zkSync中的Paymaster在实现了postTransaction后才会执行postTransaction，这一点与EIP-4337不同，EIP-4337在validatePaymasterUserOp没有返回上下文时不会调用postOp，反之亦然。综合以上，举例来说用户现在想要发送一笔手续费由 Paymaster 支付的交易，那流程如下：借由 NonceHolder 确认 nonce 是否合法呼叫用户 Account Contract 上的 validateTransaction 进行验证，确认交易由帐户拥有者授权呼叫用户 Account Contract 上的 prepareForPaymaster，里面可能会执行例如 approve 一定数量的 ERC-20 Token 给 Paymaster 或是不做任何事呼叫 Paymaster Contract 上的 validateAndPayForPaymasterTransaction 确认 Paymaster 愿意支付并且收取手续费，同时 Paymaster 向用户收取一定数量的 ERC-20（前面 approve 的）确认 bootloader 收到正确数量（至少 tx.gasprice * tx.gaslimit）的 ETH 手续费呼叫用户 Account Contract 上的 executeTransaction 执行用户想要的交易如果 Paymaster Contract 有实作 postTransaction 且 gas 仍然足够（没有 out of gas error），那就执行 postTransaction 最后一步即便 out of gas error 导致不能执行 postTransaction，这笔 AA 交易也算是成功，只是省略掉呼叫 postTransaction 的动作而已。更深入探究 zkSync 的 Paymaster 会发现它的 Verification Rules 和 4337 稍有不同（zkSync Paymaster 可以踩任何其他合约的 slot）、同时也有各种不同的 type（例如 Approval-based），这部分由于比较细节所以有兴趣深入的人可以参考官方文件或我之前的实作。 Summary & Comparison 通过前文的解释，我们已经了解了账户合约具有哪些重要的入口点，以及它们的作用和相关限制。同时，我们也了解了系统合约的功能。接下来，让我们对在 zkSync 中一个自动操作（AA）交易从构建到完成的过程进行总结，同时我也会提供更详细的参考资料，以供那些希望深入了解的人参考： 1. 用户在本地使用 SDK 或钱包构建交易对象（例如：from、to、data、value等）。 2. 用户对该交易进行签名。这里的签名不一定是传统的 EIP-712 格式和 ECDSA 曲线签名。zkSync 还支持 EIP-2718 和 EIP-1559，选择签名方式和验证方式的关键在于通过帐户合约中的验证函数进行验证。 3. 将已签名的交易通过 RPC API 发送给操作员（Operator）。此时交易进入待处理状态。操作员将交易传递给 bootloader（调用 bootloader 合约上的 processL2Tx 函数），开始一系列的 AA 协议流程。 4. Bootloader 会检查 Nonce 是否合法，使用 NonceHolder 进行检查。 5. Bootloader 会调用用户账户合约上的 validateTransaction 函数，以确认此交易已获得帐户所有者的授权。 6. Bootloader 收取手续费有两种方式，具体收费方式取决于交易参数（构建交易对象时是否附带 paymaster 参数）： a. 调用 payForTransaction 函数与账户合约收取手续费； b. 调用 prepareForPaymaster 和 validateAndPayForPaymasterTransaction 函数与 Paymaster 合约收取手续费。 7.「呼叫 payForTransaction 来跟 Account 合约手续费」或者「呼叫prepareForPaymaster 和validateAndPayForPaymasterTransaction 来跟 Paymaster 合约手续费」 8. 检查 bootloader 是否已收到至少 tx.gasprice * tx.gaslimit 数量的交易手续费。 9. Bootloader 会调用用户账户合约上的 executeTransaction 函数来执行交易。 10. （可选）如果使用 Paymaster 支付手续费，bootloader 会调用 postTransaction 函数。如果 Paymaster 没有实现 postTransaction，或者 gas 已耗尽，将跳过此步骤。以上的4.~7.步为验证阶段（定义在bootloader的l2TxValidation），第8.~9.步执行阶段（定义在 bootloader 的 l2TxExecution）。 EIP-4337、StarkNet 和 zkSync 时代的比较基本上这三者的AA机制流程都相仿，皆为验证阶段→手续费机制（由账户合约支付或者Paymaster）→执行阶段，主要差别有：执行 AA 机制的角色是：在 zkSync 时代中开启与其他两者 AA 的差别在于 Operator 需要和 bootloader（系统合约）一起配合，例如 bootloader 会开启一个新区块并定义该区块的相关参数，接收操作员发送来的交易者并进行验证。在 4337 中这部分由 Bundler 与 EntryPoint 协作，而在 StarkNet 中这部分全部由 Sequencer 负责。 Gas Cost 是否需要考量到 L1 安全费用：L2 的 AA 都需要考虑这个上传数据到 L1 的费用，不只是推送提到的 ZK（Validity）Rollups Native AA，在 Optimistic Rollups 实作 4337 时也需要算入 L1安全费用（计算在 preVerificationGas 中，细节可见 Alchemy 相关文件）。是否可以在账户合约部署前发送出交易：在 StarkNet 和 zkSync 时代中都没有像 4337 的 EntryPoint 有 initCode 这个字段允许替用户部署账户合约，所以其都不在可以配置账户前发送出交易。对比由于StarkNet尚无已实现的Paymaster机制、zkSync也尚未完成gas退款机制的设计，所以一些比较细节的比较在这里就没有列出。另外，目前的 4337 bundler我们完成了 P2P mempool，且 zkRollups 的 Sequencer 和 Operator 也还是唯一的官方服务器，所以都有一定中心化的成分存在。在开发流程上 zkSync 由于没有与各家bundler串接的问题（只需要与 Operator API 交互），所以使用起来 4337 很容易，开发帐户合约（SDK）的体验也更好；同时 zkSync 可以使用 Solidity作为合约开发语言，所以也不需要在 StarkNet 开发中跨过Cairo的门槛。结语由于 StarkNet 和 zkSync 都属于本地 AA（Native AA）的范畴，因此你也可以参考我之前撰写的 StarkNet AA 介绍文章，题为《StarkNet Account Abstraction 简介》（Introduction of StarkNet Account Abstraction）。此外，你还可以阅读与 EIP-4337 相关的其他文章，以获得更多相关信息。来源：金色财经

金色财经2023-08-23

24小时热点